對(duì)移動(dòng)式工作的機(jī)器人來(lái)說(shuō)，如何判斷周邊環(huán)境的安全，以保證暢通無(wú)阻是非常重要的。還沒(méi)動(dòng)兩步就“咣咣”碰壁，這樣的機(jī)器人就太尷尬了。

典型的是掃地機(jī)器人。說(shuō)白了，掃地機(jī)器人就是在不斷地碰壁——當(dāng)然，它也不是真碰，而是通過(guò)傳感器來(lái)判斷周?chē)袩o(wú)障礙物，然后繪制出整個(gè)房間里的地圖。完成之后，其就可以愉快地完成掃地工作了。這有點(diǎn)像決策樹(shù)，此路不通就另尋他路，也就是通過(guò)不斷試錯(cuò)，最終試驗(yàn)出正確的路徑來(lái)。

但是問(wèn)題在于，掃地機(jī)器人繪制的家庭地圖只針對(duì)特定的環(huán)境才有效。打個(gè)比方，好不容易把廚房的地圖給畫(huà)好了，轉(zhuǎn)身進(jìn)了臥室就又得重新畫(huà)圖。別人借走用一用，它又得重新干活。

也就是說(shuō)，掃地機(jī)器人的這種學(xué)習(xí)的方式是不具備普適性的。挪了地兒就不能用，它既有的工作經(jīng)驗(yàn)在新的環(huán)境中沒(méi)有任何用處。它的經(jīng)驗(yàn)，是死的。

聰明的讀者一定會(huì)明白我要說(shuō)什么了：有沒(méi)有一種方法，能夠把機(jī)器人的這種死經(jīng)驗(yàn)給盤(pán)活，以便擴(kuò)大其適用范圍呢？

答案是，有。

有人開(kāi)發(fā)了個(gè)模型，就是為了讓機(jī)器人一次跑成

我們?cè)鞕C(jī)器人，就是想要讓機(jī)器獲得類(lèi)似于人的能力。那么，就針對(duì)掃地這件事來(lái)說(shuō)，人是不需要畫(huà)圖的。你抬頭一看，左邊是一扇門(mén)，右邊是一堵墻，中間是空地，自然而然就掃中間的。你不會(huì)傻到先碰碰墻再碰碰門(mén)，最終才確定中間的空地是能掃的吧？

麻省理工學(xué)院的研究人員就在試圖令機(jī)器獲得這種能力。他們制作了一個(gè)新的神經(jīng)網(wǎng)絡(luò)模型，以便能夠讓機(jī)器人自主地探索環(huán)境，在觀察環(huán)境主體的時(shí)候聯(lián)系到既有的經(jīng)驗(yàn)，從而達(dá)到目標(biāo)。

比如我看到一個(gè)門(mén)，掃一眼就知道應(yīng)該怎樣以最短的路線去朝門(mén)走去。而機(jī)器人則通常是以決策樹(shù)來(lái)嘗試出無(wú)數(shù)種可能，然后選擇最佳的方案。它的問(wèn)題我們開(kāi)頭就說(shuō)了，就是換個(gè)環(huán)境得重新做出決策，既有的經(jīng)驗(yàn)完全沒(méi)用。也就是說(shuō)，機(jī)器人的每一次嘗試，其實(shí)都是第一次。而人知道怎么朝這個(gè)門(mén)走去，換做另外一扇門(mén)也一眼就能知道。

那么，研究人員的目的就是要讓機(jī)器人在做判斷的時(shí)候，加入其既有的經(jīng)驗(yàn)，然后去適應(yīng)新的不同的環(huán)境。其開(kāi)發(fā)出的模型就是將規(guī)劃算法與神經(jīng)網(wǎng)絡(luò)結(jié)合，學(xué)習(xí)識(shí)別出最佳的路徑，然后用來(lái)指導(dǎo)機(jī)器人在陌生的環(huán)境中移動(dòng)。

比如說(shuō)，研究人員設(shè)計(jì)的一個(gè)模擬實(shí)驗(yàn)。機(jī)器人必須要通過(guò)一個(gè)中間狹窄的通道從密室逃出，到達(dá)更大房間里的一個(gè)位置。而在這個(gè)通道兩邊會(huì)有一些由其他物體設(shè)置的陷阱，在機(jī)器人觸碰的時(shí)候卡住它。傳統(tǒng)的機(jī)器人會(huì)挨個(gè)碰一遍，在屢次試錯(cuò)之后繪制通過(guò)地圖；而在這個(gè)實(shí)驗(yàn)中，研究人員對(duì)機(jī)器人進(jìn)行了陷阱特征的訓(xùn)練學(xué)習(xí)。于是，在逃跑的過(guò)程中，機(jī)器人一邊跑一邊對(duì)眼前的阻擋物進(jìn)行識(shí)別，最終實(shí)現(xiàn)對(duì)周?chē)h(huán)境的感知，以最快、最佳的路徑達(dá)到目的地。

簡(jiǎn)單來(lái)說(shuō)，該模型的特點(diǎn)就是能夠更快地找到更合適的路徑，并培養(yǎng)機(jī)器人自主導(dǎo)航的能力。

掃地姑且不提，駛離大轉(zhuǎn)盤(pán)將大有裨益

從研究人員繪制的美好藍(lán)圖當(dāng)中我們依然可以清楚地看到他們的意圖：讓機(jī)器人在開(kāi)路這方面，更像人。而當(dāng)機(jī)器人的自我導(dǎo)航能從一個(gè)場(chǎng)景“移植”到另一個(gè)場(chǎng)景的時(shí)候，也就意味著大量場(chǎng)景應(yīng)用可能的誕生。

首當(dāng)其沖者必然是掃地機(jī)器人。機(jī)器人買(mǎi)回家之后，第一件事再也不會(huì)是熟悉環(huán)境了。其通過(guò)已經(jīng)獲得的訓(xùn)練，放下就能在工作的過(guò)程中尋找最優(yōu)路線，真正實(shí)現(xiàn)即插即用。時(shí)不時(shí)來(lái)個(gè)“小鹿亂撞”的掃地機(jī)器人時(shí)代也可能將徹底成為過(guò)去。

而這項(xiàng)技術(shù)的最大受益者很可能是時(shí)下火熱的自動(dòng)駕駛。

當(dāng)然，長(zhǎng)距離導(dǎo)航自然用不上，畢竟有高精地圖、GPS在那兒發(fā)揮著效用。該技術(shù)對(duì)自動(dòng)駕駛汽車(chē)的作用之處，在于短距離的、瞬時(shí)的行駛導(dǎo)航?jīng)Q策。

目前而言，要保證自動(dòng)駕駛汽車(chē)的安全行駛，研究者為其加入了大量的硬件，激光雷達(dá)、傳感器、毫米波雷達(dá)，以及優(yōu)越的算法。按照目前的技術(shù)，在直線行駛上和稀松的轉(zhuǎn)完路口，自動(dòng)駕駛車(chē)輛基本上可以自如應(yīng)對(duì)。但問(wèn)題是，如果是車(chē)流比較多的路口呢？或者說(shuō)經(jīng)過(guò)大轉(zhuǎn)盤(pán)？

谷歌的無(wú)人車(chē)在測(cè)試的過(guò)程中就被廣大人類(lèi)司機(jī)詬病過(guò)一個(gè)問(wèn)題，那就是由于其被設(shè)計(jì)得特別遵守交通規(guī)則、特別禮讓，導(dǎo)致在左轉(zhuǎn)的時(shí)候，自動(dòng)駕駛車(chē)總是在等直行車(chē)流通過(guò)，很長(zhǎng)時(shí)間也無(wú)法并線匯入車(chē)流，哪怕是匯入之后并不影響直行車(chē)行駛。這樣跟在后面的司機(jī)當(dāng)然不開(kāi)心了。要知道人類(lèi)司機(jī)可以在保證安全的情況下見(jiàn)縫插針，自動(dòng)駕駛車(chē)顯然還不行?；蛘哒f(shuō)不是不行，只是為了保證安全，還不能這樣設(shè)計(jì)。

況且，左轉(zhuǎn)尚且如此，一旦遇到轉(zhuǎn)盤(pán)式路口的時(shí)候，更復(fù)雜的轉(zhuǎn)向恐怕會(huì)更讓車(chē)子規(guī)規(guī)矩矩地等了。

而在研究人員的實(shí)驗(yàn)中，也涉及了這方面的東西。實(shí)驗(yàn)證明，該機(jī)器人可以捕捉到周?chē)?chē)輛的通行信息并進(jìn)行預(yù)測(cè)，然后做出合適的路線規(guī)劃。甚至其還意識(shí)到了不同的駕駛?cè)藭?huì)有或緩和或激烈的行車(chē)風(fēng)格，從而做出不同的規(guī)劃。

簡(jiǎn)單來(lái)說(shuō)，它可以讓車(chē)輛不再永遠(yuǎn)禮讓他人，而是瞅準(zhǔn)機(jī)會(huì)一把通過(guò)。

如果足夠精準(zhǔn)的話，自動(dòng)駕駛汽車(chē)過(guò)轉(zhuǎn)盤(pán)可能比人類(lèi)司機(jī)還要好，畢竟人也會(huì)猶豫，而機(jī)器則是不會(huì)猶豫的。

或許更精準(zhǔn)的雷達(dá)、傳感器探測(cè)也會(huì)有助于解決這個(gè)問(wèn)題，但開(kāi)發(fā)個(gè)模型進(jìn)行訓(xùn)練和花費(fèi)巨大的成本提升探測(cè)精度比較起來(lái)，誰(shuí)更劃算自然是不言自明。

當(dāng)然，該模型也并不是萬(wàn)能的，其應(yīng)用范圍局限于較短距離的路徑，如果達(dá)到幾百米甚至以公里計(jì)，那還是衛(wèi)星導(dǎo)航更靠譜點(diǎn)。

動(dòng)態(tài)取勝，或是成敗關(guān)鍵

模型除了不是萬(wàn)能的，也還有一些問(wèn)題是需要切實(shí)注意的。

首先，這個(gè)世界就是靜態(tài)和動(dòng)態(tài)的結(jié)合。顯然，在處理靜物的時(shí)候，它是沒(méi)有什么問(wèn)題的，連傳統(tǒng)家用機(jī)器人都可以處理，無(wú)非就是個(gè)高精度（也許高精度都用不了）的傳感器的事兒。而研究人員的想法也顯然并不是讓它在一篇靜謐和諧的環(huán)境中去工作，而是在動(dòng)態(tài)之中獲得生存之道。

在自動(dòng)駕駛中的應(yīng)用就是該研究的出發(fā)點(diǎn)之一。應(yīng)對(duì)動(dòng)態(tài)的車(chē)流、人流本身就是自動(dòng)駕駛的一個(gè)巨大考驗(yàn)，更何況要在這樣動(dòng)態(tài)的過(guò)程中尋找一個(gè)最佳的路線，這本身就是很難解決的事情。

比如說(shuō)自動(dòng)駕駛車(chē)從轉(zhuǎn)盤(pán)的第二出口駛出，而這時(shí)在它的右方有要前往第三出口的車(chē)輛，那它該如何選擇？在那一瞬間，它要判斷幾個(gè)方面的因素：自身位置與第二出口車(chē)道的距離；其他一輛或者多輛汽車(chē)各自的時(shí)速、駕駛風(fēng)格等；然后設(shè)計(jì)出自己安全駛離轉(zhuǎn)盤(pán)同時(shí)又避免與其他車(chē)輛相撞的最佳路線，一次成功。

因?yàn)橹荒芤淮纬晒?，畢竟不能像月光寶盒那樣撞一下我們回到開(kāi)始再撞一下，直到試錯(cuò)成功吧？

所以，如何開(kāi)發(fā)優(yōu)秀的算法來(lái)對(duì)動(dòng)態(tài)的環(huán)境做精準(zhǔn)的判斷，是這項(xiàng)技術(shù)的關(guān)鍵內(nèi)容。

另一方面，該模型的工作方式其實(shí)并未脫離決策樹(shù)算法。也就是說(shuō)，作用到機(jī)器人的身上，其實(shí)是由兩套決策。一個(gè)是由神經(jīng)網(wǎng)絡(luò)做出，當(dāng)其根據(jù)已有的訓(xùn)練對(duì)前方的位置通行做出一個(gè)較高的預(yù)測(cè)值的時(shí)候，機(jī)器人就聽(tīng)神經(jīng)網(wǎng)絡(luò)的；當(dāng)神經(jīng)網(wǎng)絡(luò)給出的預(yù)測(cè)值較低，也就是可能無(wú)法做出準(zhǔn)確判斷的時(shí)候，機(jī)器人還是采用的決策樹(shù)的方法，慢慢試錯(cuò)著來(lái)……

這當(dāng)然是可以理解的，甚至兩種方法結(jié)合的方式可能會(huì)永遠(yuǎn)存在下去。而在這個(gè)過(guò)程中應(yīng)有的變化則是，神經(jīng)網(wǎng)絡(luò)的依賴權(quán)重逐漸增加，決策樹(shù)最終退化到僅僅是作為保障萬(wàn)一之用。

顯然，目前來(lái)說(shuō)，決策樹(shù)算法還是有很重要的作用的。

如果這個(gè)模型最終真的可以成熟地應(yīng)用到實(shí)際當(dāng)中，我們將很有可能看到行動(dòng)更加自如的機(jī)器人：自如掃地、自如穿行馬路、自如過(guò)轉(zhuǎn)盤(pán)……我們的生活，也可能會(huì)因此變得更加自如。 

返回第一電動(dòng)網(wǎng)首頁(yè) >